DỰ BÁO KIỆT QUỆ TÀI CHÍNH CHO CÁC CÔNG TY Ở TUYNISIA

DỰ BÁO KIỆT QUỆ TÀI CHÍNH CHO CÁC CÔNG TY Ở TUYNISIAViệc dự đoán chính xác khả năng kiệt quệ tài chính của công ty và cung cấp các cảnh báo sớm đã trở thành vấn đề quan tâm không chỉ đối với các nhà quản lý mà còn có các bên liên quan bên ngoài của một công ty. Kể từ khi có sự khác biệt rõ rệt trong quy trình kế toán và chất lượng báo cáo tài chính giữa các công ty ở Tunisia và ở các nước khác, có thể không hợp lý khi áp dụng mô hình phát triển ở nơi khác để dự báo khả năng kiệt quệ.

BÀI DỊCH NGHIÊN CỨU MÔN TÀI CHÍNH DOANH NGHIỆP

GVHD: TS Nguyễn Thị Uyên Uyên

Nhóm nghiên cứu lớp TCDN ngày 4 K22

DỰ BÁO KIỆT QUỆ TÀI CHÍNH CHO CÁC CÔNG TY Ở TUYNISIA

TÓM TẮT

Việc dự đoán chính xác khả năng kiệt quệ tài chính của công ty và cung cấp các cảnhbáo sớm đã trở thành vấn đề quan tâm không chỉ đối với các nhà quản lý mà còn có các bênliên quan bên ngoài của một công ty Kể từ khi có sự khác biệt rõ rệt trong quy trình kế toán

và chất lượng báo cáo tài chính giữa các công ty ở Tunisia và ở các nước khác, có thể khônghợp lý khi áp dụng mô hình phát triển ở nơi khác để dự báo khả năng kiệt quệ Do đó, mụcđích của nghiên cứu này là sử dụng hồi quy logistic để dự báo khả năng phá sản của cácdoanh nghiệp Tunisia Áp dụng kỹ thuật thống kê cho một mẫu gồm 214 công ty bị kiệt quệtài chính, và 1550 "khỏe mạnh" chúng tôi xác định những chỉ tiêu tài chính tạo sự khác biệtgiữa các nhóm này, và từ đó dự đoán khủng hoảng tài chính Kết quả chứng minh rằng lợinhuận, khả năng thanh toán nợ và tỷ lệ nợ là một trong những chỉ tiêu quan trọng nhất đốivới các công ty bán buôn và bán lẻ Còn đối với các công ty sản xuất, lợi nhuận và tỷ lệ đònbẩy là quan trọng nhất Tóm lại, mô hình của chúng tôi có thể giúp các nhà quản lý, các cổđông, các tổ chức tài chính, kiểm toán viên và cơ quan quản lý tại Tunisia dự báo khủnghoảng tài chính

I GIỚI THIỆU

Nền kinh tế của các nước đang phát triển thay đổi nhanh chóng nên môi trường hoạtđộng của các công ty cũng đã thay đổi rất nhiều trong hai thập kỷ qua Trong bối cảnh hiệnnay, nhiều cuộc khủng hoảng kinh tế, tài chính xảy ra và sự cạnh tranh khốc liệt giữa cáccông ty đã làm cho môi trường hoạt động của các công ty ngày càng không chắc chắn vàtiềm ẩn nhiều rủi ro Thị trường ngày càng khắc nghiệt thì các công ty càng dễ bị phá sản

Do nhiều nguyên nhân mà khi công ty phá sản sẽ tạo ra trách nhiệm xã hội và tác độnglên nền kinh tế của một quốc gia (Ahn, Cho, và Kim, 2000) Khi đó nó tạo ra nhiều loại chiphí, không chỉ cho các bên liên quan trong nội bộ công ty mà còn có Chính phủ và nền kinh

tế nói chung Tuy nhiên, mặc dù có những tác động tiêu cực và tạo ra các chi phí cho nềnkinh tế, xã hội nhưng hiện tượng phá sản được coi là một thành phần thiết yếu của thị

trường hiệu quả Khi doanh nghiệp phá sản cho phép việc tái chế các nguồn lực tài chính,con người và vật chất vào các tổ chức hiệu quả hơn [Easterbrook, F (1990)].

Trước khi bị phá sản, các công ty sẽ rơi vào tình trạng kiệt quệ tài chính Do đó, việc tìmkiếm một giải pháp để khắc phục tình trạng mất khả năng thanh toán càng sớm càng tốt làmột vấn đề quan tâm đối với để chủ sở hữu, người quản lý và các nhà đầu tư, các chủ nợ vàđối tác kinh doanh, cũng như cơ quan chính phủ Từ quan điểm quản lý, các công cụ dự báokiệt quệ tài chính sẽ cho phép các công ty có những hành động chiến lược kịp thời để tránh

bị phá sản Trong lĩnh vực ngân hàng, các công cụ đánh giá điểm tín dụng tự động sẽ giúpcác ngân hàng đánh giá được những khách hàng không có khả năng thanh toán các khoản

nợ một cách hiệu quả Còn Chính phủ có thể phát hiện các công ty có hoạt động kém hiệuquả và có những hành động can thiệp để ngăn chặn sự phá sản (Keasey & Watson, 1991).Mặt khác, việc sử dụng các mô hình dự báo phá sản có thể làm giảm các thông tin bấtcân xứng giữa chủ sở hữu và nhà quản lý và cung cấp cho các nhà phân tích đầu tư, các chủ

nợ và các nhà đầu tư những cảnh báo kịp thời giúp họ tránh khỏi những quyết định đầu tưsai lầm Trái với quan điểm Modigliani & Miller (1958), cho rằng thị trường tài chính làhoàn hảo; quyết định đầu tư và quyết định tài chính không ảnh hưởng đến nhau, thì rõ ràngrằng thị trường tài chính không phải là hoàn hảo Các quỹ đầu tư và thị trường cho vay cũngkhông thể tài trợ cho tất cả các dự án có lợi nhuận kỳ vọng cao Trong bối cảnh này, việcđánh giá các rủi ro liên quan đến các công ty và các dự án của họ là rất quan trọng

Một việc quan trọng không kém là thiết lập các mô hình dự báo thất bại để có thể đánhgiá chính xác hơn của tình hình tài chính của một công ty Trong thực tế, nghiên cứu đã chỉ

ra rằng, việc đánh giá sức khỏe tài chính của các công ty kiểm toán độc lập hay các nhà sảnxuất khác đều không thực hiện cũng như các mô hình dự báo thất bại trong việc phân loạicác công ty đều bị hạn chế (Altman & McGough, 1974; Keasey & Watson , 1991) Trongnăm 2006, kết quả nghiên cứu được tiến hành bởi Lili Sun cho rằng một mô hình thống kêphát triển tốt hơn ví dụ như mô hình tổn thất sẽ giúp cho đánh giá kiểm toán viên tốt hơn

Gần đây, hiệp ước vốn Basel II đã đề cập nhiều đến sự tiến bộ của mô hình nghiên cứu

dự báo phá sản của công ty Đặc biệt, pillar 1 của hiệp ước này, Ủy ban Basel về giám sátngân hàng (BCBS) đã cho phép các ngân hàng tính toán tỷ lệ an toàn vốn tối thiểu của họ đểbảo vệ các tổ chức tài chính tránh được rủi ro tín dụng và các rủi ro liên quan Trong bốicảnh này, các doanh nghiệp được khuyến khích áp dụng phương pháp hiệu quả hơn để quản

lý rủi ro tín dụng thông qua việc sử dụng các thông số nhất định, các mô hình đánh giá rủi

ro nội bộ của họ (Altman & Sabato, 2005) Ngoài ra, nhu cầu đối với các thông tin do các

cơ quan xếp hạng tín dụng cung cấp ngày càng cao, vì vậy các cơ quan xếp hạng sẽ phải chú

ý nhiều đến sự cải tiến các mô hình dự báo phá sản công ty (Odera và cộng sự, 2002)

Kể từ khi nghiên cứu đầu tiên của Beaver (1966), rất nhiều nghiên cứu về dự báo kiệtquệ tài chính hoặc nguy cơ phá sản của doanh nghiệp Trong năm 1998, Altman và các cộng

sự cho rằng " Chúng ta đang chứng kiến một sự gia tăng mạnh trong việc phân tích nguồn

dữ liệu để quản lý rủi ro tín dụng hiệu quả hơn " Kết quả có nhiều mô hình tiên đoán chínhxác trong suốt bốn thập kỷ qua Gần đây, sự phát triển của kỹ thuật toán kinh tế và phát triểncông nghệ năng động đã giúp phát triển các mô hình dự đoán chính xác thất bại trong nămnăm trở lên Charitou và cộng sự 2004 )

Hai loại mô hình thường được lựa chọn trong các nghiên cứu: mô hình dựa trên giá trị sổsách và mô hình dựa trên giá thị trường Mô hình thị trường dựa trên giá thị trường của mộtcông ty Do đó, mô hình thị trường yêu cầu các công ty niêm yết cổ phiếu trên thị trườngchứng khoán Ở Tunisia, phần lớn các công ty vẫn chưa niêm yết và vì vậy, các nhà phântích và các chuyên gia phải dựa trên dữ liệu báo cáo tài chính thay vì biến động chứngkhoán và cấu trúc vốn để dự đoán kiệt quệ tài chính của các công ty Do đó, chúng tôi tậptrung vào mô hình dựa trên giá trị sổ sách

Vào cuối những năm 1960, Beaver (1966) và Altman (1968) đã có những dự báo về khảnăng phá sản công ty và có ý nghĩa cho đến ngày nay Lúc đầu, các phương pháp áp dụngrộng rãi là phương pháp thống kê (Balcaen & Ooghe, 2006) như mô hình đơn biến thống kê,phân tích sâu số nhân, mô hình xác suất tuyến tính, hồi quy Logit, và phân tích Probit

(Altman, 1968, Beaver, 1966; Deakin, 1972 ; Meyer & Pifer, 1970; Ohlson, 1980) Tuynhiên, gần đây nhiều nghiên cứu đã chứng minh rằng phương pháp tiếp cận thông minh dựatrên phân tích dữ liệu thuật toán để xây dựng mô hình ra quyết định có thể được sử dụngnhư là phương pháp thay thế cho các vấn đề phân loại [Atiya, (2001)] Trong số các phươngpháp tiếp cận mới được sử dụng, chúng tôi phân biệt: mạng thần kinh (Altman và cộng sự,1994.), thuật toán di truyền (Varetto, 1998), cây quyết định (Curram, 1994), phân tích tồntại (Laitinen và cộng sự, 1999.), Phân tích Bayes (Sarkar và cộng sự, 2001), đa chiều rộng(Neophytou và cộng sự, 2004), các mô hình rủi ro (Shumway, 2001) Hàm nhị phân đượcxác định trong Taylor’s expansion (Laitinen và cộng sự, 2000) và phân tích logit hỗn hợp(Jones và cộng sự, 2004) cũng đã được áp dụng thành công trong dự báo khả năng tài chínhmột công ty

II TỔNG QUAN NGHIÊN CỨU

Vấn đề suy xét và có một nhận thức đúng đắn là cần thiết trong lĩnh vực tài chính, đặcbiệt là dự đoán khả năng phá sản, lựa chọn danh mục đầu tư, sáp nhập và mua bán doanhnghiệp… Trong những trường hợp này, thực hiện đánh giá chính xác để xác định mức độcạnh tranh trong các lựa chọn thay thế (các công ty, cổ phiếu…) cung cấp thông tin hữu íchcho các nhà điều hành ra quyết định Để làm điều đó, trong bốn thập kỷ qua, các nhà nghiêncứu đã phát triển một loạt các mô hình có thể phân biệt chính xác các nhóm được coi là lựachọn thay thế

Đối với trường hợp cụ thể của đề tài này, việc điều tra các doanh nghiệp bị thất bạithường thực hiện phân loại theo hình thức nhị phân của các công ty bị kiệt quệ Mục đích là

để sắp xếp các quan sát thành hai nhóm riêng biệt - các công ty thất bại hay hoạt động bìnhthường (không thất bại), bởi việc sử dụng các phương pháp và các biến khác nhau như chỉtiêu tài chính hoặc đặc điểm khác của công ty trong một thời gian nhất định Trong suốt quátrình nghiên cứu, để tìm ra các chỉ tiêu đó cần phải làm giảm đến mức tối thiểu các lỗi vànhược điểm khi dự báo

Nhưng trước khi đưa ra một cái nhìn tổng quan về các phương pháp được sử dụng để dựđoán sự phá sản, chúng tôi cần phải nhấn mạnh rằng, nhìn chung, tất cả các cuộc điều tra sửdụng dữ liệu từ báo cáo tài chính của một công ty trong (một đến năm ) năm cuối cùngtrước khi bị phá sản Trong thực tế, tất cả các phương pháp này dựa trên giả định rằng cáccông ty phá sản có những đặc điểm khác biệt so với những công ty khác cùng hoạt độngtrong cùng thời kỳ Việc phân tích của các doanh nghiệp thất bại thiếu một lý thuyết thốngnhất và các chỉ số chung (chỉ tiêu tài chính hoặc kinh tế) Do đó, các mô hình được nhiều tácgiả đưa ra cho phù hợp với một số nước, một số loại ngành công nghiệp, quy mô công ty vàtừng giai đoạn khảo sát.

Các nghiên cứu về phát triển mô hình thống kê để dự đoán phá sản rất phong phú và đadạng Trong giai đoạn đầu nghiên cứu không có phương pháp thống kê tiên tiến nào đểnghiên cứu (Charitou và cộng sự 2004) Khi so sánh các chỉ tiêu tài chính của các công tythất bại với công ty hoạt động động bình thường ta thấy rằng công ty bị thất bại thấp hơn.Sau thử nghiệm đầu tiên của Winakor và Smith (1935), vào năm 1966 Beaver đã trình bàycách tiếp cận đơn biến của phân tích phân biệt Để phát triển mô hình này, hơn 30 chỉ tiêutài chính được phân thành sáu nhóm, và 79 cặp của các công ty (thất bại/ không thất bại) đãđược sử dụng Sau khi kiểm tra khả năng dự đoán của mỗi tỷ lệ, yếu tố phân biệt tốt nhất làchỉ tiêu vốn luân chuyển / Tổng nợ, nó đã dự báo chính xác 90% các công ty bị phá sản vàomột năm trước đó Thứ hai là tỷ lệ thu nhập ròng / tổng tài sản, dự báo chính xác 88%.Những kết quả này đã cho thấy khả năng sử dụng các chỉ tiêu tài chính để dự đoán phá sản Mặc dù mô hình dự báo thất bại đơn biến khá đơn giản nhưng phương pháp này cũngbộc lộ một số nhược điểm quan trọng Thứ nhất, theo Altman (1968) và Zavgren (1983), chỉ

có một tỷ lệ tại một thời điểm có thể được sử dụng để phân loại một công ty Thứ hai, khi sửdụng chỉ số tài chính kế toán trong một mô hình đơn biến, rất khó để đánh giá tầm quantrọng của mỗi tỷ lsố riêng biệt, bởi vì hầu hết các biến đều tương quan (Cybinski, 1998) vớinhau

Để "khắc phục những khuyết tật khi sử dụng mô hình đơn biến” (Cook và Nelson 1998),phân tích đa biến (hay MDA) đã được sử dụng để đánh giá khả năng doanh nghiệp bị phásản Altman đã có bài viết đầu tiên về vấn đề này (1968) Trong bài luận này, Altman, Max

L Heine Giáo sư Tài chính tại khoa Kinh doanh Đại học New York, đề xuất mô hình score hoặc mô hình Zeta kết hợp các cách đo lường lợi nhuận hay rủi ro khác bằng cách sửdụng một số chỉ tiêu tài chính Các mẫu đầu tiên gồm 66 công ty, mỗi nhóm (Thấtbại/không thất bại) gồm 33 công ty Năm chỉ tiêu tài chính được sử dụng trong mô hình làvốn lưu động/ tổng tài sản, lợi nhuận giữ lại / tổng tài sản, thu nhập trước thuế và lãi vay /tổng tài sản, giá trị thị trường của vốn chủ sở hữu / giá trị sổ sách của tổng nợ phải trả, vàdoanh thu / tổng tài sản Sử dụng sai lầm loại I loại II là cơ sở để đánh giá, mô hình Altman

Z-đã dự đoán chính xác 95% nguy cơ phá sản của các công ty sản xuất ở Mỹ trong vòng 1năm và 72% trong vòng 2 năm Tuy nhiên, giá trị được đưa thêm vào mô hình của Altmankhông phải là các tỷ số được lựa chọn mà là các trọng số

Trong những năm qua, đã có một lượng lớn các nghiên cứu dựa trên mô hình Z-scorecủa Altman Sau một thập kỷ, Altman và cộng sự (1977) sửa đổi các mô hình Z-core banđầu thành một hình mới tốt hơn, được gọi là "Phân tích Zeta" Trong năm 2000, các môhình này đã được đưa ra thảo luận thêm một lần nữa

Sau nghiên cứu của Altman(1968) đã có nhiều nghiên cứu trong lĩnh vực dự báo phásản doanh nghiệp sử dụng phân tích MDA Deakin (1972) sử dụng 14 biến giống nhưBeaver, nhưng ông đã áp dụng chúng trong một loạt các mô hình phân biệt đa biến Mô hìnhMDA dự báo chính xác 95% khả năng phá sản công ty đến tận 3 năm trước trước khi bị phásản Trong năm 1980, Dambolena và Khoury trình bày một mô hình MDA sử dụng chỉ tiêutài chính như các biến dự báo Các thuộc tính quan trọng trong mô hình của họ là sử dụng

sự ổn định của tỷ lệ tài chính, được đo bằng độ lệch chuẩn, ngoài các giá trị của các chỉ số

Mô hình phân biệt Dambolena & Khoury đã dự báo chính xác 87%, 85%, và 78% tươngứng 1 năm, 3 năm, 5 năm trước khi phá sản Phân tích MDA cũng đã được sử dụng bởiEdmister (1972), Blum (1974), Altman và cộng sự (1977 và 1995), Deakin (1977), Taffler

& Tisshaw (1977), van Frederikslust (1978), Bilderbeek (1979), Taffler (1982 và 1983),

Ooghe và Verbaere (1985), Micha (1984), Betts & Belhoul (1987), Gombola và cộng sự(1987), Gloubos và Grammatikos (1988), Declerc và cộng sự (1991), Laitinen (1992),Lussier & Corman (1994), Neophytou & Molinero (2004), Canbas, Cabuk, và Kılıç (2005),Hyunjoon Kim và Zheng Gu (2008)…

Mặc dù nghiên cứu của Altman và các nhà nghiên cứu khác đạt kết quả khả quan nhưngcác mô hình này có một nhược điểm chính: Họ giả định rằng các biến trong dữ liệu mẫuđược phân bố bình thường Sheppard (1994) lập luận rằng "nếu tất cả các biến này khôngđược phân phối, các phương pháp nghiên cứu có thể dẫn đến dự đoán không phù hợp" Hơnnữa, phân tích MDA đã bị chỉ trích vì phân loại lưỡng phân của nó không đưa ra một khảnăng thất bại nào trong việc dự đoán sự thất bại [Dimitras, Zanakis, và Zopounidis (1996)]

Để khắc phục một số vấn đề liên quan đến việc phân tích đa biến, Ohlson (1980) đã sửdụng hồi quy để dự đoán sự thất bại của công ty Nhưng trước khi Ohlson, Martin (1977) sửdụng mô hình logit để dự đoán sự đổ vỡ trong hệ thống ngân hàng Bằng cách sử dụng mẫucủa 105 công ty bị phá sản và 2.058 công ty hoạt động bình thường, Ohlson (1980) pháthiện ra rằng nó có thể xác định bốn yếu tố cơ bản có ý nghĩa thống kê trong việc xác địnhkhả năng phá sản Các yếu tố đó bao gồm quy mô công ty, cấu trúc tài chính, hiệu quả hoạtđộng, tính thanh khoản hiện tại Bốn yếu tố cơ bản xuất phát từ các nhóm đầu tiên trongchín chỉ tiêu tài chính đưa vào mô hình đó là: Quy mô công ty, tổng nợ phải trả / tổng tàisản, vốn luân chuyển / tổng tài sản, nợ ngắn hạn / Tài sản ngắn hạn, một biến giả cho thấycho dù tổng tài sản lớn hơn hoặc ít hơn tổng nợ phải trả, thu nhập ròng / tổng tài sản, nguồnvốn từ hoạt động / tổng nợ phải trả, một biến giả thể hiện thu nhập ròng có tương quan âmtrong hai năm cuối với thất bại của công ty không và sự thay đổi trong thu nhập ròng Kếtquả cho thấy mô hình Ohlson có thể dự đoán chính xác 92% đến 96% các trường hợp phásản 1-2 năm trước đó

Năm năm sau, một mô hình logit phát triển bởi Zavgren (1985) đã được thử nghiệmtrong thời gian 5 năm trước khi thất bại Bảy chỉ tiêu tài chính bao gồm trong mô hình này

là tổng thu nhập / tổng vốn đầu tư, doanh thu/Tài sản cố định, hàng tồn kho / doanh thu, nợ /

tổng vốn đầu tư, các khoản phải thu / hàng tồn kho, tài sản ngắn hạn / nợ ngắn hạn, và tiềnmặt / tổng tài sản Tỷ lệ thất bại được đưa ra bởi mô hình Zavgren cho 1 năm trước khi thấtbại tương tự như Ohlson Năm 2003, Darayseh và cộng sự đã sử dụng phân tích logit để dựđoán sự thất bại của công ty trên cơ sở của sự kết hợp giữa một số biến số kinh tế và chỉ tiêutài chính công ty Họ thấy rằng mô hình logit có thể dự đoán chính xác 88% các trường hợpcông ty phá sản Một kỹ thuật thống kê ít đòi hỏi, đó là phân tích probit (PA), cũng được sửdụng trong những năm 80 Nghiên cứu đầu tiên trong lĩnh vực này được thực hiện bởiZmijewski (1984) Tuy nhiên, số lượng các nghiên cứu sử dụng PA, trong bốn thập kỷ qua,

là không đáng kể, có lẽ bởi vì kỹ thuật này đòi hỏi nhiều tính toán (Gloubos &Grammatikos, 1988; Dimitras & al, 1996)

Các phương pháp nói trên được sử dụng chủ yếu trong việc dự báo thất bại của công tycho đến năm 1990 Tuy nhiên, những hạn chế của các phương pháp này (Altman và cộng sự(1981)) như các giả định liên quan đến tuyến tính, sự độc lập giữa các biến dự báo và sự liênquan biến tiêu chuẩn và biến dự đoán, cùng với những tiến bộ trong các lĩnh vực khác nhưhoạt động nghiên cứu và trí tuệ nhân tạo, khiến nhiều nhà nghiên cứu cố gắng tìm hiểu cáchướng tiếp cận đúng đắn và công phu hơn Việc sử dụng các công nghệ thay thế để dự đoánthất bại kinh doanh đã là chủ đề của nhiều bài báo [Scott (1981), Zavgren (1983), Altman(1984), Jones (1987), Keasey và Watson (1991), Dimitras và cộng sự (1996), và Wong vàcộng sự (2000)]

Trong số các phương pháp phức tạp hơn mạng thần kinh (NNS) đã được sử dụng nhiềunhất trong khu vực dự đoán khả năng thanh toán của công ty trong hai thập kỷ qua NNS là

hệ thống máy tính lấy cảm hứng từ thông tin thực tế về cách thức bộ não con người hoạtđộng Trong năm 1990, Odom và Sharda sử dụng các tỷ lệ tài chính tương tự được sử dụngbởi Altman (1968) và ứng dụng ANN để một mẫu gồm 65 thất bại và 64 công ty không thấtbại Một mô hình sử dụng mạng lưới thần kinh ba lớp được tạo ra với năm nút ẩn Khi ápdụng, mô hình xác định tất cả các công ty thất bại và không thất bại trong các mẫu đào tạo,

so với 86,8% độ chính xác của MDA Đối với những mẫu lớn và thời gian dài, ANN trìnhbày một tỷ lệ chính xác là 77% hoặc cao hơn, trong khi MDA có thể đạt mục tiêu 59% và

70% Sau đó, một số nghiên cứu dựa trên ANN đã được thực hiện: Hansen & Messier(1991), Salchenberger và cộng sự (1992), Tam & Kiang (1992), Tam & Khang (1992),Sharda & Wilson (1992), Coats & Fant (1993), Serrano (1993), Hansen và cộng sự (1993),Altman và cộng sự (1994), Wilson & Sharda (1994), Wilson & Sharda (1994), Lacher vàcộng sự (1995), Shah và Murtaza (2000), Ragothaman, S (2003), Nguyễn Hương Giang(2005) và Kingkarn Sookhanaphibarn, Piruna Polsiri, Worawat Choensawat và Frank C Lin(2007).

Ngoài ANN, một số lượng lớn các phương pháp dự đoán chính xác hơn và thông dụngđược sử dụng để dự báo thất bại của công ty Lane và cộng sự (1986), Luoma & Laitinen(1991) và Kauffman & Wang (2001) sử dụng "phân tích sự tồn tại", thuật toán đệ quy phânvùng được sử dụng bởi Frydman và cộng sự (1985), Joos và cộng sự (1998), hệ thốngchuyên gia của Messier và Hansen (1988), phương pháp lập trình toán học của Gupta và al.(1990), mô hình đa nhân tố của Vermeulen và cộng sự (1998), và tập hợp thô bởi Dimitras

& al (1999) Trong giai đoạn tiên tiến hơn, các thuật toán di truyền đã được sử dụng bởiVaretto (1998) và Barney & Alii (1999), phương pháp CUSUM bởi Kahya & Theodossiou(1999) Trong cuối những năm 1990, Support Vector Machine (SVM) đã được giới thiệu đểgiải quyết vấn đề phân loại Fan và Palaniswami (2000) áp dụng SVM để dự đoán khủnghoảng tài chính Hơn nữa, cách tiếp cận hỗn hợp đã được sử dụng bởi Lindsay và Campbell(1996), Bayesian mạng mô hình khác của Sarkar và Sriram (2001), CN & Shenoy (2005),phân tích dữ liệu (DEA) của Cielen và cộng sự (2004), mô hình logit hỗn hợp của Jones vàHensher (2004), mô hình tổn thất đã được ủng hộ bởi Shumway (2001) và Beaver & McNichols (2005) Từ đầu những năm 2000, một số kỹ thuật mô hình khác cũng đã được sửdụng trong nghiên cứu dự báo phá sản và đã thực hiện tốt, trong đó có phương pháp tiếp cận

Bộ Rough (McKee & Lensberg, 2002) và phương pháp tiếp cận đa chiều Scaling Molinero & Serrano-Cinca, 2001)

(Mar-Bên cạnh các phương pháp thay thế nổi tiếng nói trên, các nhà nghiên cứu cũng đã sửdụng một số phương pháp khác mà không dựa trên các tỷ số trong báo cáo tài chính Mộttrong số đó là phương pháp Merton dựa trên việc cập nhật thông tin thị trường, bắt đầu bởi

Black và Scholes (1973) và Merton (1974) và được sử dụng bởi Charitou & Trigeorgis(2000) và Bharath & Shumway (2004) Mặt khác, tính hữu ích của lưu chuyển tiền tệ dựbáo phá sản đã được khám phá bởi Gentry và cộng sự (1985) Aziz và Lawson (1989) Xếphạng trái phiếu, dựa trên cả hai thông tin đại chúng và thông tin cá nhân, được sử dụng bởiBarthvà cộng sự (1998), Billings (1999)

Có một quan điểm liên quan đến thất bại của công ty chúng ta có thể tham khảo đó làZavgren (1983), người đã dùng nhiều phương pháp khác nhau để phát triển mô hình dự báothất bại tại Mỹ Năm 1984, Altman trình bày tổng quan các mô hình dự báo thất bại kinhdoanh phát triển ở các nước khác nhau, trong khi Jones (1987) và Keasey & Watson (1991)cung cấp một tài liệu nghiên cứu toàn diện về các kỹ thuật khác nhau được sử dụng để dựđoán thất bại Sofie Balcaen và Hubert ooghe (2004) đã phân tích việc sử dụng các phươngpháp thay thế trong thất bại kinh doanh và trình bày trong một nghiên cứu khác được tiếnhành trong năm đó, tổng quan về các phương pháp thống kê cổ điển và các vấn đề liên quan.Trong cùng một cách, chúng ta có thể trích dẫn các nghiên cứu của Taffler (1984), Ooghe

và cộng sự (1995), Dimitras và cộng sự (1996), Altman & Narayanan (1997) và Altman &Saunders (1998) Một cuộc khảo sát kết quả của những nghiên cứu này cho thấy rằng không

có mô hình mang lại kết quả cao trong một cách nhất quán Ở Tunisia, các nghiên cứu củacác mô hình dự báo thất bại bắt đầu vào đầu năm 2000 Abid & Zouari (2001) và Mamoghli

& Jellouli (2002) đã sử dụng các mạng thần kinh nhân tạo Boujelben & Hassouna (2004) một kỹ thuật dựa trên dòng tiền được sử dụng Tất cả các nghiên cứu Tunisia đã nói ở trên,không phân biệt với cách tiếp cận được sử dụng, có một trở ngại chung liên quan đến cácđịnh nghĩa khó hiểu của các biến phụ thuộc và độc lập, độ tin cậy của thông tin tài chính vàviệc khó tiếp cận nguồn dữ liệu tài chính

-III PHƯƠNG PHÁP LUẬN

3.1 Hàm hồi quy logistic nhằm mục đích dự đoán việc phá sản của doanh nghiệp

Hàm hồi quy nhị phân là phương thức hồi quy được sử dụng khi mà biến phụ thuộc làbiến nhị phân và biến độc lập có thể ở bất cứ dạng nào Trong phần tổng quan các nghiên

cứu trước đây, tác động của các biến dự báo thường được giải thích bởi các tỷ số khác nhau.Nhằm mục đích dự báo việc phá sản của các doanh nghiệp, mô hình hồi quy nhị phân kếthợp những đặc tính khác nhau hay các “thuộc tính” thành một hệ số xác suất cho từngdoanh nghiệp mà nó thể hiện “khả năng thất bại” của doanh nghiệp Hàm nhị phân ngụ ýrằng khả năng doanh nghiệp thực hiện việc kinh doanh có thể thành công hoặc thất bại, khiđưa vào hàm nhị phân sẽ được phản ánh dưới giá trị 0 và 1 Hàm hồi quy nhị phân có nhiều

ưu điểm: Hàm này không cần thiết phải giả định một mối quan hệ tuyến tính giữa biến độclập và biến phụ thuộc, không yêu cầu các biến phải phân phối chuẩn, không cần giả địnhhiệp phương sai đồng nhất, và nhìn chung không đặt ra nhiều yêu cầu phức tạp Tuy nhiên,hàm này yêu cầu các quan sát phải độc lập và do đó, biến độc lập có mối quan hệ tuyến tínhvới biến phục thuộc trong mô hình nhị phân

Về mặt phương pháp, việc áp dụng mô hình hồi quy nhị phân yêu cầu bốn bước Thứnhất, các tỷ số tài chính sẽ được tính toán Thứ hai, mỗi tỷ số được nhân với một hệ số đặctrưng tương ứng với tỷ số đó Hệ số đặc trưng này có thể âm hoặc dương Thứ ba, kết quảtính toán được cộng tất cả lại với nhau (y) Cuối cùng, khả năng phá sản của doanh nghiệpđược tính toán

Trong bài nghiên cứu này, khi thể hiện hình thức nhị phân, biến nhị phân được xác định

là tỷ số của xác suất doanh nghiệp từ khỏe mạnh cho đến phá sản Khả năng phá sản củadoanh nghiệp được thể hiện bằng tỷ số P(C)/(1-P(C)), trong đó, P(C) là xác suất doanhnghiệp khỏe mạnh Khi được diễn giải dưới dạng nhị phân, mô hình hồi quy được thể hiệnnhư là một hàm tuyến tính của các tỷ số tài chính của doanh nghiệp

Β 1 …β n= Các hệ số của tỷ số tài chính thứ từ 1 đến n

X in = Tỷ số tài chính thứ ncủa công ty thứ i

Trong nội dung của bài, giá trị ước lượng của biến phụ thuộc nhị phân được diễn đạt làgiá trị ước tính của xác việc dự báo khả năng khỏe mạnh hay P(C) Bằng cách xác định P(C)thông qua phương trình (1), xác suất dự báo sự khỏe mạnh hay P(C) được thể hiện như sau:

3.2 Định nghĩa về thất bại của doanh nghiệp

Không có một sự thống nhất trong việc định nghĩa về thất bại của doanh nghiệp trong 2phạm trù tài chính và kinh tế học Năm 1993, Altman trình bày 3 quan niệm khái quát vềviệc thất bại trong kinh doanh: “thất bại kinh tế” (Economic Failure), “mất khả năng thanhtoán” (insolvency), “phá sản” (Bankruptcy) Thất bại kinh tế theo quan điểm của Altman làviệc nhận ra rằng thu nhập nhận được từ đầu tư là đáng kể và liên tục thấp hơn mức thunhập nhận được từ việc đầu tư của các hoạt động đầu tư tương tự Tình huống mất khả năngthanh toán xảy ra khi mà công ty không có năng lực để thanh toán các khoản nợ đến hạn.Tình trạng phá sản là tình trạng khắc nghiệt hơn đối với một công ty, không thể giải quyếtđược các nghĩa vụ nợ, yêu cầu đến sự can thiệp của toà án để giải quyết việc tái tổ chức lạidoanh nghiệp hoặc là phá sản doanh nghiệp Cùng một luận điểm về vấn đề này, Beaver(1996) định nghĩa việc thất bại của doanh nghiệp với các tiêu chuẩn trong kinh doanh nhưlãi suất các khoản vay, thấu chi tài khoản ngân hàng, hay tuyên bố phá sản

Để phát triển bài nghiên cứu này, và vì kiệt quệ tài chính là dấu hiệu đầu tiên của việcthất bại, chúng tôi thay thế các định nghĩa giống nhau được cung cấp bởi các nguồn khácnhau (Ngân hàng thương mại) bằng quan điểm rằng doanh nghiệp được xem là kiệt quệ tàichính khi mà việc thanh toán lãi vay trở nên quá hạn (90 ngày).

3.3 Mẫu

Theo định nghĩa của Beaver năm 1966 và Molinero & Ezzamel 1991, các doanh nghiệpthất bại có những đặc điểm khác nhau trong khoảng thời gian 5 năm trước khi lâm vào cảnhthất bại Do đó, điều kiện tiên quyết của nghiên cứu này là dự đoán việc kiệt quệ tài chínhcho khoảng thời gian 5 năm Kết quả đưa đến từ việc dữ liệu bị giới hạn, tuy nhiên, bàinghiên cứu này sử dụng dữ liệu tài chính của 1 năm trước khi lâm vào kiệt quệ tài chính đểthiết lập các điều kiện1 Các tỷ số tài chính trong cùng 1 kỳ được sử dụng nhằm mục đíchtránh việc sử dụng dữ liệu tài chính của các doanh nghiệp đã thực sự lâm vào tình trạng phásản (vì mục đích của bài nghiên cứu này là để dự đoán tình trạng phá sản)

Mặt khác, các nghiên cứu về việc phân loại các ngành kinh tế cho thấy rằng các doanhnghiệp ở các nền kinh tế khác nhau có cấu trúc hoàn toàn khác nhau Do vậy, các dữ liệu tàichính cần thiết cho bài nghiên cứu này được cung cấp từ một ngân hàng thương mại ởTuynisia được phân chia thành 2 mẫu Mẫu của các doanh nghiệp bán buôn và bán lẻ baogồm 904 doanh nghiệp trong đó 802 doanh nghiệp đang trong tình trạng khoẻ mạnh trongcác năm 2004, 2005, 2006 được phân vào nhóm khoẻ mạnh và 102 doanh nghiệp đangtrong tình trạng khoẻ mạnh trong năm 2004 và thất bại trong năm 2005 hay 2006 phân vàonhóm thất bại Đối với các doanh nghiệp sản xuất, mẫu được sử dụng bao gồm 860 doanhnghiệp với 748 doanh nghiệp trong tình trạng khoẻ mạnh trong năm 2004, 2005, 2006 đượcphân vào nhóm khoẻ mạnh và 112 doanh nghiệp khoẻ mạnh trong năm 2004 và thất bạitrong năm 2005 hay 2006 phân vào nhóm thất bại

3.4 Lựa chọn biến dự đoán

1 Li-Jen Ko, Edward J Blocher and P Paul Lin (2003) cho thấy rằng các mô hình sử dụng tỷ số tài chính trong năm ngay trước khi xảy ra việc phá sản thường đưa tới kết quả tốt nhất.

Năm 1996, Dimitras và đồng sự đã cho thấy rằng phần lớn các mô hình thống kê chỉ

sử dụng các thông tin kế toán hàng năm dưới dạng tỷ số tài chính nhằm mục đích dự đoán

sự thất bại của doanh nghiệp (1996) Nguyên nhân của việc sử dụng các tỷ số tài chính đến

từ sự thật rằng chúng thật sự hiện diện, được đo lường khách quan và được tính toán dựatrên các thông tin được công bố rộng rãi (Micha, 1984; Laitinen, 1992; Dirickx & VanLandeghem, 1994) Ngoài ra, trong 1 nghiên cứu được công bố năm 1998, Mossman vàđồng sự nhận thấy rằng các tỷ số tài chính nhằm mục đích dự đoán sự phá sản được sử dụngnhiều hơn là dữ liệu về lợi nhuận thị trường

Băn khoăn về quá trình lựa chọn, và theo bài nghiên cứu của Theodossiou (1991), sựlựa chọn các biến độc lập cho mô hình dự đoán việc phá sản là việc khó khăn nhất của tất cảcác nghiên cứu về vấn đề này vì các học thuyết tài chính vốn dĩ không cho thấy rằng biếnnào nên được sử dụng trong mô hình của nó Ngoài ra, sự phân tích các nghiên cứu thựcnghiệm đã được thực hiện về việc dự đoán sự thất bại của doanh nghiệp cho thấy rằngkhông có một danh mục rõ ràng các tỷ sổ biểu hiện cho các công thức có khả năng dự đoánchuyên biệt và có khả năng dự đoán việc phá sản có thể áp dụng chung cho toàn bộ cácnghiên cứu (Edmister, 1972)

Do vậy, nhằm mục đích giảm thiểu khả năng các biến có khả năng giải thích liênquan đến khả năng kinh tế và có tính chất thông kê không được đưa vào mô hình, bài nghiêncứu này, trước hết, sử dụng các biến dự báo từ rất nhiều các tỷ số tài chính đã được chứngminh là có liên quan đến các nghiên cứu trước đây về việc nghiên cứu sự thất bại trong kinhdoanh của các doanh nghiệp2 Từ đó, để xác định cụ thể các tỷ sổ tài chính có khả năngtruyền tải thông tin và liên quan trực tiếp đến điều kiện tài chính của doanh nghiệp, bàinghiên cứu so sánh tính mô tả thống kê cho cả các doanh nghiệp phá sản và không phá sản.Thông qua việc thực hiện quy trình này, 2 nhóm tỷ số phân biệt đã được hình thành, hệ

chọn của các nghiên cứu thực nghiệm trước đó (Zavgren, 1984; Skogsvik, 1988) hoặc bằng cách kết hợp các sự lựa chọn đó dựa trên các tiêu chí ưu tiên về học thuật (Keasey-Mc Guiness, 1988; Keasey-Watson, 1987; Edminster, 1972; Lo, 1986).

thống 17 chỉ số đầu tiên cho các doanh nghiệp bán buôn và bán lẻ (Bảng 1) và nhóm khácbao gồm 16 chỉ số cho các doanh nghiệp sản xuất (Bảng 2).3

Bảng 1: Các tỷ số thống kê cho doanh nghiệp bán buôn và bán lẻ

Trong đó, doanh nghiệp loại H là doanh nghiệp khoẻ mạnh, còn doanh nghiệp loại F

là doanh nghiệp thất bại

3 Các tỷ số tài chính có thể chia thành 4 dạng cơ bản: tỷ số đo lường khả năng thanh khoản, tỷ số đo lường khả năng quản lý tài sản, tỷ số về cấu trúc vốn, và tỷ số đo lường hiệu quả hoạt động (lợi nhuận) của doanh nghiệp.